Master Data Management: Adressdaten als strategische Ressource

In den meisten Unternehmen existiert dieselbe Kundenadresse mindestens dreimal: einmal im CRM des Vertriebs, einmal im ERP der Buchhaltung, einmal im Newsletter-Tool des Marketings. Drei Systeme, drei Schreibweisen, drei Wahrheiten. Wenn der Vertrieb eine Adresse korrigiert, weiss die Buchhaltung nichts davon. Wenn der Kunde umzieht und es dem Marketing meldet, druckt das ERP weiter Rechnungen an die alte Anschrift. Genau dieses Problem soll Master Data Management lösen.

Master Data Management, kurz MDM, ist die Disziplin, die aus verstreuten und widersprüchlichen Stammdaten einen einzigen, verbindlichen Datensatz macht. Für Adressdaten ist das kein abstraktes IT-Thema, sondern eine direkte Frage von Porto, Rückläufern und Kundenwahrnehmung. Dieser Artikel zeigt, warum Adressdaten zu den wertvollsten Stammdaten überhaupt gehören, wie ein MDM-Prozess konkret aufgebaut wird und an welcher Stelle die operative Datenbereinigung den Unterschied zwischen Theorie und funktionierendem System ausmacht.

Was Stammdaten von Bewegungsdaten unterscheidet

Daten in einem Unternehmen lassen sich grob in zwei Kategorien teilen. Bewegungsdaten beschreiben einzelne Vorgänge: eine Bestellung, eine Zahlung, ein Anruf. Sie entstehen ständig neu und verlieren mit der Zeit an Relevanz. Stammdaten dagegen beschreiben die Objekte, um die sich alles dreht: Kunden, Lieferanten, Produkte, Mitarbeiter. Sie ändern sich selten, werden aber von praktisch jedem Vorgang referenziert.

Merkmal	Stammdaten	Bewegungsdaten
Beispiel	Kunde "Maria Berger, Lindengasse 12"	Bestellung Nr. 48213 vom 4. Juni
Änderungshäufigkeit	selten	permanent
Lebensdauer	jahrelang	vorgangsbezogen
Wirkung eines Fehlers	betrifft alle künftigen Vorgänge	betrifft einen Vorgang

Der letzte Punkt ist entscheidend. Ein falscher Betrag in einer einzelnen Rechnung ist ärgerlich, aber begrenzt. Eine falsche Adresse im Stammdatensatz wirkt sich auf jede künftige Rechnung, jedes Mailing und jede Lieferung an diesen Kunden aus. Stammdatenfehler skalieren – und Adressdaten sind die Stammdaten, die am häufigsten genutzt und am leichtesten falsch werden.

Warum Adressdaten den Kern des MDM bilden

Adressdaten haben eine Eigenschaft, die sie für das Master Data Management besonders heikel macht: Sie verbinden mehrere Abteilungen und veralten von selbst. Eine Produktnummer ändert sich nicht, weil jemand umzieht. Eine Adresse schon. Jedes Jahr ziehen in Deutschland rund 8 Millionen Menschen um, das entspricht knapp 10 Prozent der Bevölkerung. Eine Stammdatenbasis, die nicht aktiv gepflegt wird, veraltet also nicht linear, sondern spürbar von Quartal zu Quartal.

Dazu kommt die Mehrdeutigkeit. Dieselbe Anschrift lässt sich in Dutzenden Varianten schreiben:

Datensatz CRM:        Maria Berger    | Lindengasse 12  | 1070 Wien
Datensatz ERP:        M. Berger       | Lindeng. 12     | 1070 Wien
Datensatz Newsletter: Maria Berger    | Lindengasse 12/3| 1070 Wien

Exakter Abgleich:     0 Treffer (drei verschiedene Datensätze)
Realität:             Ein und dieselbe Person

Für ein MDM-System bedeutet das: Es reicht nicht, Daten aus drei Quellen einzusammeln. Das System muss erkennen, dass diese drei Einträge denselben Menschen meinen, und sie zu einem führenden Datensatz verschmelzen. Genau hier scheitern viele MDM-Projekte – nicht an der Architektur, sondern an der Frage, wie aus drei Schreibvarianten eine Wahrheit wird.

Die Single Source of Truth: mehr als ein Schlagwort

Das erklärte Ziel jedes MDM-Programms ist die Single Source of Truth, der eine verbindliche Datensatz, auf den sich alle Systeme beziehen. In der Praxis gibt es zwei Wege dorthin, und die Wahl hat erhebliche Konsequenzen.

Der zentrale Ansatz (Consolidation/Centralized): Alle Quellsysteme liefern ihre Daten an einen zentralen MDM-Hub. Dort werden sie abgeglichen, bereinigt und zu einem "Golden Record" zusammengeführt. Dieser Golden Record wird dann an die anderen Systeme zurückgespielt. Vorteil: maximale Konsistenz. Nachteil: hoher technischer und organisatorischer Aufwand.

Der pragmatische Ansatz (Registry): Die Quellsysteme behalten ihre Daten, das MDM-System speichert nur Verweise und ein Mapping, welcher Datensatz in System A welchem in System B entspricht. Vorteil: schnell umzusetzen. Nachteil: keine echte Bereinigung, die Widersprüche bleiben in den Quellsystemen bestehen.

Kriterium	Zentral (Golden Record)	Registry (Verweise)
Datenkonsistenz	hoch	mittel
Einführungsaufwand	hoch	gering
Eignung für KMU	nur mit klarem Use Case	gut als Einstieg
Wirkung auf Mailings	stark	begrenzt

Für kleine und mittlere Unternehmen, die vor allem ihre Adressqualität für den Versand verbessern wollen, ist der vollständige zentrale Hub oft überdimensioniert. Der entscheidende Schritt ist nicht die teuerste Architektur, sondern ein wiederkehrender Prozess, der Dubletten erkennt und eine führende Adresse festlegt.

Der Golden Record: So entsteht der führende Datensatz

Der Golden Record ist das Herzstück. Er entsteht in vier Schritten, die jedes MDM-Konzept durchläuft, unabhängig von der Grösse des Unternehmens.

1. Matching: Das System identifiziert, welche Datensätze aus verschiedenen Quellen dasselbe Objekt beschreiben. Bei Adressen geht das nur mit unscharfem Abgleich, weil exakte Vergleiche an Schreibvarianten scheitern. Die zugrundeliegenden Verfahren beschreibt unser Artikel zum Fuzzy Matching für Adressen.
2. Survivorship: Aus den gematchten Datensätzen wird pro Feld der beste Wert ausgewählt. Regeln dafür könnten lauten: "neueste Aktualisierung gewinnt", "vollständigster Wert gewinnt" oder "Quelle CRM hat Vorrang vor Quelle Shop".
3. Konsolidierung: Die gewählten Feldwerte werden zum Golden Record zusammengesetzt.
4. Verteilung: Der Golden Record wird in die angeschlossenen Systeme zurückgespielt oder zumindest als Referenz markiert.

Ein konkretes Survivorship-Beispiel:

Feld: Strasse
  CRM:        "Lindeng. 12"      (aktualisiert 2021)
  ERP:        "Lindengasse 12"   (aktualisiert 2026)
  Newsletter: "Lindengasse 12/3" (aktualisiert 2024)

Regel "vollständigster + neuester Wert":
  → Golden Record: "Lindengasse 12/3"
  (vollständig mit Türnummer, kombiniert aus aktuellster
   und detailreichster Quelle)

Die Qualität des Golden Record hängt vollständig von der Qualität des Matchings ab. Werden zwei Datensätze nicht als identisch erkannt, entstehen zwei Golden Records für denselben Kunden – das ursprüngliche Problem bleibt bestehen, nur teurer. Eine saubere Dublettenerkennung ist deshalb keine Vorstufe des MDM, sondern sein Fundament. Mehr dazu unter Datenqualität verbessern.

Was fragmentierte Stammdaten konkret kosten

MDM-Projekte scheitern oft an der Budgetfrage, weil der Nutzen abstrakt bleibt. Lässt man die strategische Ebene weg und rechnet nur den direkten Versandschaden fragmentierter Adressstammdaten, wird es schnell greifbar.

Ein Beispielunternehmen mit 40.000 Kundenstammsätzen, verteilt auf CRM, ERP und Shop. Durch die getrennte Pflege existieren rund 12 Prozent Dubletten über die Systeme hinweg, und die Adressaktualität ist niedrig, weil Korrekturen nie alle Systeme erreichen.

Ausgangslage:
  Kundenstammsätze gesamt:        40.000
  Systemübergreifende Dubletten:  12 % = 4.800
  Mailings pro Jahr:              4
  Sendungen pro Mailing:          40.000
  Kosten pro Sendung (Porto+Druck): 0,38 EUR

Schaden durch Doppelversand:
  4.800 Dubletten × 0,38 EUR × 4 Mailings = 7.296 EUR/Jahr

Zusätzlich Rückläufer durch veraltete Adressen (9 %):
  40.000 × 9 % × 0,38 EUR × 4 = 5.472 EUR/Jahr

Direkter Versandschaden gesamt: 12.768 EUR/Jahr

Diese knapp 13.000 Euro sind der rein postalische Anteil. Nicht eingerechnet sind die Arbeitsstunden, die Mitarbeiter mit der manuellen Suche nach dem "richtigen" Datensatz verbringen, die Fehlentscheidungen auf Basis falscher Kundenhistorien und der Imageschaden, wenn ein Kunde dieselbe Werbung dreimal erhält. Master Data Management ist in dieser Rechnung kein Kostenfaktor, sondern die Massnahme, die diesen wiederkehrenden Verlust beendet.

Data Governance: MDM ist zur Hälfte Organisation

Der häufigste Irrtum bei MDM-Initiativen ist die Annahme, es handle sich um ein Software-Projekt. Tatsächlich besteht die Hälfte der Arbeit aus Data Governance, also der Frage, wer für welche Daten verantwortlich ist und nach welchen Regeln sie gepflegt werden.

Ohne diese Regeln zerfällt jeder noch so saubere Golden Record innerhalb weniger Monate wieder. Drei Rollen haben sich bewährt:

• Data Owner: Trägt die fachliche Verantwortung für eine Datendomäne, etwa "Kundenadressen". Entscheidet, welche Quelle bei Konflikten Vorrang hat.
• Data Steward: Pflegt die Daten operativ, bearbeitet Zweifelsfälle aus dem Matching, definiert Validierungsregeln.
• Data User: Nutzt die Daten und meldet Fehler zurück, statt sie still im eigenen System zu korrigieren.

Der letzte Punkt ist der kritischste. Solange jede Abteilung Korrekturen nur lokal vornimmt, entsteht die Fragmentierung immer wieder neu. Eine funktionierende Governance sorgt dafür, dass eine Adressänderung an einer Stelle erfasst wird und von dort in alle Systeme fliesst. Das ist weniger eine technische als eine kulturelle Aufgabe – und der Grund, warum reine Tool-Einführungen ohne Prozessdefinition fast immer enttäuschen.

Der typische Reifegrad-Pfad

Kein Unternehmen springt von verteilten Excel-Listen direkt zum vollautomatischen MDM-Hub. Der Weg verläuft in Stufen, und es ist sinnvoll, die eigene Position ehrlich zu bestimmen, bevor Budget fliesst.

Stufe	Zustand	Typisches Symptom
0 – Chaos	Jedes System pflegt eigene Adressen	Niemand weiss, welche Adresse stimmt
1 – Bewusstsein	Dubletten werden erkannt, aber nicht systematisch behoben	Vor jedem Mailing manuelle Bereinigung
2 – Prozess	Regelmässige Bereinigung mit definierten Regeln	Quartalsweiser Dublettenabgleich
3 – Integration	Zentrale Pflege, Golden Record, Rückspielung	Single Source of Truth etabliert
4 – Automatisiert	Laufender Abgleich, Governance verankert	Datenqualität als KPI im Reporting

Für die meisten KMU ist Stufe 2 das realistische und wirtschaftlich sinnvolle Ziel. Ein wiederkehrender, regelbasierter Bereinigungsprozess fängt den grössten Teil des Schadens ab, ohne die Komplexität und Kosten eines vollständigen Hubs. Wer den Sprung auf Stufe 3 oder 4 plant, sollte vorher auf Stufe 2 stabil sein – ein automatisierter Prozess, der schlechte Matching-Regeln verwendet, produziert Fehler nur schneller.

Die operative Schicht: Bereinigung als MDM-Motor

So strategisch Master Data Management klingt, am Ende steht eine sehr konkrete Aufgabe: Adressdaten müssen abgeglichen, normalisiert und zusammengeführt werden. Diese operative Schicht entscheidet, ob das ganze Konzept funktioniert. Hier setzt ein Werkzeug wie ListenFix an.

ListenFix ist eine Software zur Bereinigung und Zusammenführung von Adressdaten und übernimmt damit genau die Matching- und Survivorship-Schritte, auf denen jeder Golden Record beruht. Die Software importiert Adresslisten aus verschiedenen Quellen, erkennt systemübergreifende Dubletten mit fünf konfigurierbaren Fuzzy-Algorithmen, normalisiert Schreibvarianten und führt Datensätze zu einem führenden Eintrag zusammen. Wer mehrere Kontaktdaten zusammenführen und auf eine konsistente Basis bringen will, erhält damit das Werkzeug für die operative MDM-Schicht, ohne ein konzernweites Hub-System einführen zu müssen.

Ein praktischer Vorteil für datenschutzsensible Stammdaten: Die Verarbeitung läuft lokal auf dem eigenen Rechner. Die zusammengeführten Adressbestände verlassen den Arbeitsplatz nicht, was die DSGVO-Bewertung deutlich vereinfacht, wenn Stammdaten aus mehreren Systemen an einer Stelle konsolidiert werden. Für KMU, die auf Reifegrad-Stufe 2 oder 3 ihren wiederkehrenden Bereinigungsprozess etablieren wollen, ersetzt das den Grossteil der teuren Hub-Lizenz durch einen klaren, wiederholbaren Arbeitsschritt. Wie eine CRM-Datenbank systematisch bereinigt wird, lässt sich so direkt in den MDM-Zyklus einbetten.

Vom Datensilo zur strategischen Ressource

Master Data Management ist keine Software, die man kauft und einschaltet, sondern die Entscheidung, Adressdaten als das zu behandeln, was sie sind: eine gemeinsame Ressource, die mehreren Abteilungen gehört und niemandem allein. Der Golden Record, die Single Source of Truth und die Data Governance sind die Bausteine, aber sie tragen nur, wenn darunter ein verlässlicher Bereinigungs- und Abgleichprozess läuft.

Drei Schritte für den Einstieg, ohne grosses Projektbudget:

1. Bestand bestimmen. Exportieren Sie Adressen aus Ihren wichtigsten Systemen und prüfen Sie mit einem Dublettenabgleich, wie hoch die systemübergreifende Überschneidung wirklich ist. Die Zahl überrascht fast immer.
2. Survivorship-Regeln festlegen. Einigen Sie sich, welche Quelle bei Konflikten gewinnt und nach welcher Logik der führende Datensatz entsteht. Schriftlich, nachvollziehbar, für mindestens ein Jahr stabil.
3. Den Zyklus etablieren. Setzen Sie einen wiederkehrenden Termin für die Bereinigung, mindestens quartalsweise, idealerweise vor jeder Aussendung.

Wer diese drei Schritte umsetzt, hat noch kein konzernweites MDM-System, aber das Wesentliche davon: eine Adressbasis, der man trauen kann. Und genau das ist der Unterschied zwischen Stammdaten als Kostenstelle und Stammdaten als strategischer Ressource.